褚東花，李德峰，宋西強(qiáng)

(1.臨沂市蒙陰縣國(guó)有天麻林場(chǎng),山東 蒙陰 276200；2.臨沂市蒙陰縣林業(yè)局,山東 蒙陰 276200；3.臨沂沂蒙山世界地質(zhì)公園管理局,山東 臨沂 273304)

1 引言

松材線蟲(chóng)病是松樹(shù)的一種毀滅性病害，傳染性極強(qiáng)，受害面積極大。松墨天牛(Monochamusalternatus)，是松材線蟲(chóng)的傳播媒介[1]。松樹(shù)感染上此病，從發(fā)病到死亡的過(guò)程約40 d[2]。學(xué)者KIYOHARA等對(duì)大范圍內(nèi)的松樹(shù)進(jìn)行了接種試驗(yàn)研究，第一次驗(yàn)證了松樹(shù)致病的根本原因是因?yàn)樗刹木€蟲(chóng)的存在。分子植物病理學(xué)之中有十大植物寄生蟲(chóng)，而松材線蟲(chóng)感染病就是其中一種。感染松材線蟲(chóng)的松樹(shù)的葉片會(huì)轉(zhuǎn)變?yōu)辄S褐色，嚴(yán)重后轉(zhuǎn)變?yōu)榧t褐色，直至最后完全枯萎，這個(gè)過(guò)程為感染的表現(xiàn)癥狀[3]。該病源由北美洲地區(qū)開(kāi)始，后傳播至日本。1982年，我國(guó)第一次發(fā)現(xiàn)感染松材線蟲(chóng)病是在南京中山陵的黑松上，之后松材線蟲(chóng)病便在我國(guó)不斷擴(kuò)散致大片松樹(shù)林枯萎死亡。

針對(duì)松材線蟲(chóng)感染木最有效的處理方法就是將受害木砍斷，然后熏蒸焚燒。懸掛誘捕器以及投放天敵也是防控線蟲(chóng)病的一種處理形式。該病狀防控的工作基礎(chǔ)是疫情調(diào)查。地面調(diào)查、無(wú)人機(jī)遙感監(jiān)測(cè)以及衛(wèi)星遙感監(jiān)測(cè)是目前對(duì)受害木的監(jiān)測(cè)手段[4]。無(wú)人機(jī)遙感的優(yōu)點(diǎn)較多，如成本低、應(yīng)用周期短、操作簡(jiǎn)便、時(shí)間和空間分辨率高以及靈活性高等優(yōu)點(diǎn)。無(wú)人機(jī)遙感技術(shù)目前已經(jīng)應(yīng)用在森林信息提取、資源調(diào)查、病蟲(chóng)害監(jiān)測(cè)防治以及火災(zāi)監(jiān)測(cè)等方面[5]。采用無(wú)人機(jī)遙感技術(shù)不僅可以節(jié)省人力物力的資源，同時(shí)可以達(dá)到對(duì)松材線蟲(chóng)受害木進(jìn)行單株檢測(cè)。

目前，已存在大量針對(duì)受害木識(shí)別的專(zhuān)研報(bào)告，學(xué)者潘滄桑等對(duì)松樹(shù)正射后經(jīng)過(guò)處理將其導(dǎo)入到Geo Link軟件，利用目視判讀的形式尋找受害木。學(xué)者石進(jìn)等采取的方式是觀察松材線蟲(chóng)受害木樹(shù)冠上的顏色變化，無(wú)人機(jī)工作期間能夠采取到相應(yīng)數(shù)據(jù)，通過(guò)正射圖像的形狀對(duì)松材線蟲(chóng)受害木進(jìn)行目視判讀。在操作的過(guò)程中工作效率較低、主觀意識(shí)較強(qiáng)。而學(xué)者陶歡采取的HSV閾值法是根據(jù)圖像上的色調(diào)、明亮度以及顏色的飽和度對(duì)受害木進(jìn)行識(shí)別，相比較前者，這種方法對(duì)識(shí)別的正確率有所提高。學(xué)者劉遐齡等通過(guò)運(yùn)用無(wú)人機(jī)，對(duì)受害樹(shù)木的影像進(jìn)行高分辨率獲取，通過(guò)多模板識(shí)別方式，對(duì)不同階段感染程度進(jìn)行識(shí)別，研究結(jié)果表明：模板匹配方法檢測(cè)效率較目視判讀相比，有更高的效率性。隨著機(jī)器學(xué)習(xí)成為研究的熱點(diǎn)之后，一小部分學(xué)者逐漸采用機(jī)器學(xué)習(xí)的方式進(jìn)行識(shí)別檢測(cè)受害木。

在Faster R-CNN目標(biāo)測(cè)試的基礎(chǔ)上，從飛機(jī)、船、鳥(niǎo)以及西紅柿等各物體的檢測(cè)中獲取出較好的效果。以Fast R-CNN和R-CNN基礎(chǔ)上加以改進(jìn)，在算法檢測(cè)精準(zhǔn)度方面來(lái)說(shuō)，前者比SSD、YOLO更高。迄今為止，在松材線蟲(chóng)受害木識(shí)別的領(lǐng)域里，并沒(méi)有更深一層的研究方法，本文提及的方法也考慮了由其他原因?qū)е滤蓸?shù)死亡的影響因素，如干旱死亡、自然死亡。通過(guò)受害木等現(xiàn)象枯死的數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練，從而提高了受害木識(shí)別的效果和精度。

2 模型和方法

2.1 加權(quán)支持向量數(shù)據(jù)描述多分類(lèi)算法

最小超球體內(nèi)包含盡可能多的目標(biāo)樣本，即是SVDD思想，并以此根據(jù)作為數(shù)據(jù)描述[6]。訓(xùn)練樣本不同影響分類(lèi)模型做出的共享程度，故此引入權(quán)重系數(shù)而得到WSVDD模型。

(1)

如式(1)所示，超球體半徑為R；超球體球心為c；權(quán)重系數(shù)為i；松弛變量為ξi；懲罰系數(shù)為C；從原始空間延至高維特征空間中的映射函數(shù)為φ(x)。

訓(xùn)練樣本模型中，中心點(diǎn)和離群點(diǎn)影響著最終貢獻(xiàn)程度，二者之間的差值影響結(jié)果不同，根據(jù)結(jié)果確定樣本距離中心點(diǎn)距離權(quán)重函數(shù)。

中心距離定義:針對(duì)任一樣本點(diǎn)x(x∈X)，此樣本與訓(xùn)練樣本X的中心距離為D(x)=||x-α||。

定義權(quán)重系數(shù)所示為

(2)

如式(2)所示：計(jì)算全部訓(xùn)練樣本平均中心距離，通過(guò)Davr加以表示；正整數(shù)為P；在輸入空間中，樣本點(diǎn)表述方式為，點(diǎn)到中心距離視為D(xi)，Dmin≤D(xi)≤Davr，xi的權(quán)重系數(shù)隨著中心距離變化而變化；當(dāng)Davr

圖1 錯(cuò)誤分類(lèi)示意

為此，本文采用的決策方法如下:

訓(xùn)練樣本集為{(xi,yi),i=1,2,…,n}，yi∈{1,2,…,M}，類(lèi)別數(shù)為M。

(1)根據(jù)訓(xùn)練樣本點(diǎn)的不同將木比樣本劃分為M類(lèi)。

(2)依次用SVDD分類(lèi)的方法，建立M個(gè)最小包圍球體。

(3)基于測(cè)試樣本x，對(duì)超球體相對(duì)距離加以計(jì)算，假設(shè)超球體數(shù)量為M。

(3)

如(3)式顯示：ci為作為第個(gè)超球體的球心。

(4)將的值進(jìn)行比較，最小值所對(duì)i即是測(cè)試樣點(diǎn)x的類(lèi)別，即：

y=argmin(di)(i=1,2,…,M)

(4)

模型這種算法不僅概念清晰、效率快，而且容易實(shí)現(xiàn)，但也容易出現(xiàn)誤差現(xiàn)象，如，當(dāng)所求出最小包圍超球體在相較過(guò)程中形成的錯(cuò)誤歸類(lèi)，分類(lèi)結(jié)果出現(xiàn)錯(cuò)誤，誤差較小。

2.2 圖像特征提取

將圖案中內(nèi)容進(jìn)行準(zhǔn)確描述，對(duì)圖像中所呈現(xiàn)的圖像顏色、紋理特征作為圖像像素點(diǎn)的綜合特征屬性，進(jìn)而分類(lèi)別圖案中呈現(xiàn)的內(nèi)容信息[9]。

裝有雙光譜相機(jī)的無(wú)人機(jī)的成像率比較高，功效小以及小體積的特點(diǎn)，同時(shí)可以獲取可見(jiàn)光圖像和近紅外圖像，根據(jù)圖像中3種不同顏色的分量做信息描述，進(jìn)而構(gòu)成圖案思維顏色特征向量[10]。

根據(jù)可見(jiàn)光圖像操作像素4個(gè)不同方向共生的矩陣，計(jì)算其平均值和標(biāo)準(zhǔn)值可以得出多個(gè)變化的紋理特征，由3個(gè)紋理特征生成6個(gè)旋轉(zhuǎn)不變的特紋理特征，再由6個(gè)紋理特征生成1十維樣本特征向量。

3 應(yīng)用研究

通過(guò)EcoDrone USA-8型號(hào)無(wú)人機(jī)，鏡頭像素為120萬(wàn)每波段。在選樣地附近選擇無(wú)高壓電線干擾處作為起飛點(diǎn)，在直線距離1 km以?xún)?nèi)的平坦地面進(jìn)行飛行(圖2、表1)。

圖2 八旋翼無(wú)人機(jī)及航拍

試驗(yàn)地域選取健康樹(shù)與枯死樹(shù)混合的松林，對(duì)松林樹(shù)木進(jìn)行采樣工作，為了保障葉片完整性，避免水分流失，采摘過(guò)程需要連同葉鞘共同進(jìn)行，在密封袋內(nèi)加入保鮮劑進(jìn)行密封。將帶回實(shí)驗(yàn)室的松針進(jìn)行整理后分為 4 組，如圖3所示。

圖3 松針情況

受害木識(shí)別方法的評(píng)價(jià)指標(biāo)為mAP值，即均值平均精度，是指每個(gè)類(lèi)別AP(PR曲線圍起來(lái)的面積)的平均值，其值越高代表方法的識(shí)別性能越好。通過(guò)(5)式計(jì)算mAP值，結(jié)果如表2所示。

表2 mAP值測(cè)試結(jié)果

(5)

式(5)中，表示驗(yàn)證集中葉片圖片各類(lèi)別的平均精度之和，N(Classes)表示所有類(lèi)別的數(shù)目。

從表2中可以看出，本文方法進(jìn)行受害木識(shí)別，得到的mAP值為0.98，而利用文獻(xiàn)方法進(jìn)行受害木識(shí)別，得到的mAP值分別為0.847、0.836。由以上3種結(jié)果對(duì)比可知，本文識(shí)別方法的性能更好，識(shí)別準(zhǔn)確率更高。主要原因在于本文方法采用多光譜遙感技術(shù)能夠及時(shí)的發(fā)掘受害木的感染分布情況，采用最小超球體包含盡可能多的目標(biāo)樣本，將其他枯死樹(shù)木以及紅色闊葉樹(shù)的樣本信息加入數(shù)據(jù)集當(dāng)中，提高識(shí)別效果以及檢測(cè)精度。

4 結(jié)論

以無(wú)人機(jī)遙感技術(shù)獲取超高空間分辨率與深度學(xué)習(xí)目標(biāo)檢測(cè)技術(shù)相結(jié)合的方式對(duì)受害木進(jìn)行檢測(cè)，效率高，同時(shí)還具備高檢測(cè)精度。依據(jù)感染后樹(shù)木的冠幅大小，將其修改成RPN網(wǎng)絡(luò)中anchor的尺寸大小后，將其他枯死樹(shù)木以及紅色闊葉樹(shù)的樣本信息加入數(shù)據(jù)集當(dāng)中，這種方法可以提高識(shí)別效果以及檢測(cè)精度，得到的mAP值為0.98。多光譜遙感技術(shù)能夠及時(shí)的發(fā)掘受害木的感染分布情況，進(jìn)而有效地檢測(cè)受害木感染情況的具體分布情況發(fā)展?fàn)顟B(tài)，同時(shí)也為松林管理、防護(hù)人員提供了及時(shí)有效的信息狀況。